基于机器学习与空间插值方法的巽他陆架中中新世有机碳埋藏时空异质性研究

为解决深时地质研究中空间插值方法适用性评估不足的问题，研究人员以巽他陆架为例，系统比较了Thiessen多边形、反距离加权(IDW)、普通克里金(OK)和随机森林(RF)四种方法对有机碳(OC)埋藏的预测性能。研究发现数据驱动的RF方法在捕捉非线性关系和空间异质性方面表现最优，揭示了中中新世气候最适宜期(MCO)至气候转型期(MMCT)OC埋藏速率的显著时空差异，为全球碳循环模型重建提供了高精度插值方案。

　　

在地球漫长的地质历史中，浅海陆架区作为有机碳(OC)埋藏的重要场所，其碳汇效应对全球气候调节具有深远影响。然而，深时地质研究面临两大难题：一是传统"自上而下"的碳同位素质量平衡模型依赖过于简化的假设，难以反映区域尺度OC埋藏的真实格局；二是"自下而上"的钻孔数据采集成本高昂且分布不均，亟需发展可靠的空间插值技术。更关键的是，现有研究对Thiessen多边形等传统插值方法在非高斯分布、异质性地质数据中的适用性缺乏系统评估，导致中中新世等关键地质时期的OC埋藏总量估算存在显著偏差。

针对这一科学瓶颈，同济大学海洋地质国家重点实验室的研究团队以东南亚巽他陆架为天然实验室，创新性地将机器学习引入深时地质研究。通过整合367个钻孔的中中新世沉积记录，研究团队首次对比了四种空间插值方法（Thiessen多边形、反距离加权IDW、普通克里金OK和随机森林RF）的性能差异，相关成果发表于《Marine Geology》。研究揭示RF方法凭借其处理非线性关系的优势，在OC埋藏空间预测中展现出超越传统方法的精度，为重建古碳循环提供了方法论突破。

关键技术方法包括：1) 基于SE Asian Sea-Level (SASL)地层框架划分中中新世MCO(17-14.7 Ma)和MMCT(14.7-13.8 Ma)两阶段；2) 整合巽他陆架7个次级盆地367个钻孔的OCburial数据（计算参数含沉积厚度、干容重和总有机碳TOC）；3) 采用交叉验证评估Thiessen、IDW、OK和RF四种插值方法的预测性能；4) 通过SHAP值解析RF模型特征重要性。

统计特征揭示数据复杂性
全陆架OCburial在MCO期呈现0-48.8482 Mt./km²
的宽幅波动（均值7.4908±7.2633 Mt./km²
），MMCT期虽总量增加但空间分异加剧。马来盆地表现出最强的正偏态分布（偏度1.92），验证了地质参数的非高斯特性。

机器学习展现方法优越性
定量评估显示RF的R²
达0.81，显著优于Thiessen多边形（0.45）。RF成功捕捉到盆地边缘OCburial升高而远端降低的"双峰模式"，这种非线性关系在IDW和OK插值结果中被过度平滑。SHAP分析表明水深和陆源输入距离是主导OCburial空间分异的关键协变量。

古环境驱动机制解析
高分辨率重建显示：MMCT期虽然全陆架OCburial和沉积速率(SAR)整体提升，但空间差异扩大——陆架边缘因海平面下降导致的陆源营养输入增加使OCburial提升12-18%，而远端深水区因氧化条件增强导致埋藏效率下降5-7%。这种异质性反映了全球变冷背景下区域沉积动力与生物地球化学过程的复杂耦合。

该研究确立了机器学习在深时地质插值中的方法论价值：RF通过集成学习策略有效克服了传统方法对空间平稳性和高斯分布的依赖，其预测结果更符合地质过程的非线性本质。实践层面，研究提供了首个巽他陆架中中新世OCburial的高精度网格化数据集，揭示出气候转型期碳埋藏响应的空间分异规律，为理解海平面变化-陆源输入-碳循环的级联效应提供了新视角。作者建议未来研究应结合古地形重建和古生产力指标，进一步优化RF模型在古环境代用指标插值中的应用。